文档介绍：第二章回归分析回归分析是目前气象统计分析中最为常用的一种方法。尤其在气象预报业务中为国内外台站所常用。例如目前国内外台站常用的MOS(模式输出统计量)方法中,回归分析是最基本的方法之一。回归分析是用来寻找若干变量之间统计联系关系的一种方法。利用所找到的统计关系对某一变量作出未来时刻的估计,称为预报值。例如,假如我们要预报某地某一月份的平均气温****惯上称为预报量)。为了预报这个对象未来时刻的变化,我们选择预报量前期已发生的多个有关的气象要素或者其它地球物理要素(把它们称为预报因子)。利用回归分析方法去分析多个预报因子与这个预报量之间的相互关系,建立它们统计关系的方程式,最后利用方程式对未来时刻的平均气温作出预报估计。[例1]要预报北京3月下旬平均最低温度Tm,用环流指标A(3月16—20日500hPa候平均图上沿130ºE,39º一40ºN的高度差),选取195l一1970年资料().**为了更清楚表现它们的关系,还可以绘成变化曲线比较图()及散布图().从上图可见,点子的散布基本上围绕着一条直线。因此,可以认为Tm与A之间有线性变化趋势。Regression—回归分析(Chapter2&8)回归的基本思想回归分析的方法回归的操作步骤回归的选项和参数设定应用举例问题的提出:检测一个非独立变量(dependent,因变量)与一组独立变量(independent,自变量)之间的关系(实验数据的曲线拟合)Y=f(a0,a1,a2…,am;x1,x2,…xm)+error(x1,x2,…xm):y=f(c,x)+e,线性或非线性模型参数c的估计:最小二乘法/极大似然法回归效果的检验:TEST置信区间的估计:预报问题/)散点图(Scatter)XY**********XY**********根据散点图确定拟合的函数形式3回归的操作步骤对总体,假设有:抽取样本容量为n的预报量y与预报因子x的一组样本,预报量对的估计量y与x有如下关系:2)系数的求解怎样才能找到一条对所有点的散布情况代表性最好的直线呢?经整理,得到求解b0,b的标准线性方程组:[例]:,算出系数为负数,表明二者之间为负相关